绘画作品的艺术风格包含画像的色彩、纹理、笔触等等，往往很难准确定义。基于深度学习的画像风格迁移让机器自行学习艺术家的作品，使得最终输出的合成图像呈现出与艺术家作品一致的风格。本演示可以把艺术家的风格迁移到摄像头捕捉的图像中，让平淡的图像呈现出不一样的艺术气息。（The artistic style of a painting, which includes colors, textures, strokes, etc., is often difficult to define accurately. Deep learning-based portrait style transfer allows the machine to learn the artist's work by itself, so that the final output composite image presents a consistent style with the artist's work. This demo can transfer the artist's style to the image captured by the camera, so that the dull image presents a different artistic atmosphere.）

绘画作品的艺术风格包含画像的色彩、纹理、笔触等等，往往很难准确定义。基于深度学习的画像风格迁移让机器自行学习艺术家的作品，使得最终输出的合成图像呈现出与艺术家作品一致的风格。本演示可以把艺术家的风格迁移到摄像头捕捉的图像中，让平淡的图像呈现出不一样的艺术气息。 （The artistic style of a painting, which includes colors, textures, strokes, etc., is often difficult to define accurately. Deep learning-based portrait style transfer allows the machine to learn the artist's work by itself, so that the final output composite image presents a consistent style with the artist's work. This demo can transfer the artist's style to the image captured by the camera, so that the dull image presents a different artistic atmosphere.）

Ai视觉检测机器人是一款搭载了六轴工业机械臂、视觉人工智能和工业大模型的高科技设备，充分利用机械臂的多轴灵活运动、重复定位精度高等优势，主要用于复杂外形工业产品的缺陷检测，特别是汽车零配件、新能源、核电领域等高端制造、品控要求高的产品外观检测。

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

1. 通过医院患者体检数据，进行大数据分析，找出特定疾病的隐性特征，并利用机器学习理论预测患者患病概率。2. 开发针对特定疾病诊断的深度学习模型，完成AI自动生成诊断报告，代替人工诊断，实现快速就诊。3. 开发出真菌AI

松鼠AI，通过人工智能智适应学习系统，加上线下实际的学习场景，设立先进的教学模式，能够将优质教学送到全国各地，让全国的孩子在同等的情况下享受到公平的、优质的教育资源。

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

AI中台院致力于利用AI技术驱动教育变革，携手全球高水准人工智能科学家及教育领域顶尖人才，专注在计算机视觉、智能语音、自然语言处理和数据挖掘等前沿技术在教育行业的应用及创新。 基于好未来海量教育数据及优质的师资资源，AI中台不断取得前沿核心技术研发突破，并在语音技术、视觉理解、知识图谱等AI能力持续积累的基础上，实现多项技术的产品化应用，打造了包括AI课堂、教学过程评估、口语表达能力评测、作业拍搜批改等创新产品解决方案，覆盖“教、学、测、练、评”各教学环节。

以名师资源为支撑，提供语文学科特色教师培养、个性化学习、作文智能评阅等特色功能模块，是覆盖小、初、高三个学段全版本教材语文的智能解决方案。